8类果树病害检测数据集（炭疽病/白粉病/根腐病等）| 6000张 YOLO 智慧农业病虫害监测数据集 适用于果园智能监测、病害识别与目标检测研究
源码分享
链接: https://pan.baidu.com/s/16oRP-Gur5h3g_3kTaUK4pg?pwd=1afb
提取码: 1afb
一、数据集概述
本数据集是一套面向 智慧农业 、果园病虫害智能识别及农业视觉检测场景构建的高质量目标检测数据集，专门针对果树常见病害与虫害检测任务设计。数据集总计包含6000张高清实拍标注图像，覆盖果树生长过程中常见的病害、虫害以及健康植株状态，能够为 深度学习 模型提供丰富且可靠的训练样本。
随着现代农业向数字化、智能化方向快速发展，传统依赖人工巡查的病虫害监测方式已难以满足大规模果园精细化管理需求。利用计算机视觉技术实现果树病虫害自动识别、精准定位和实时预警，已成为智慧农业的重要研究方向。本数据集针对果树病害检测场景进行构建，可广泛应用于病虫害识别模型训练、果园智能巡检系统开发、农业无人机病害监测以及农业科研实验等领域。
数据集严格遵循YOLO系列目标检测数据格式规范，兼容YOLOv5、YOLOv8、YOLOv10、YOLOv11、RT-DETR、Faster R- CNN 、SSD等主流目标检测算法，开箱即用，无需额外格式转换。
二、数据集基础信息
| 项目 | 内容 |
|---|---|
| 数据集名称 | 8类果树病害检测数据集 |
| 数据总量 | 6000张 |
| 标注类型 | 目标检测（Bounding Box） |
| 类别数量 | 8类 |
| 数据格式 | YOLO格式 |
| 适用模型 | YOLO系列、RT-DETR、SSD、Faster R-CNN等 |
| 应用方向 | 果树病害检测、病虫害识别、智慧农业监测 |
三、数据集目录结构
数据集采用标准深度学习训练数据组织方式，包含训练集、验证集和测试集三个部分：
database/8类果树病害检测数据集
├── train
│ └── images
│
├── valid
│ └── images
│
└── test
└── images
其中：
- train/images：训练集，用于模型训练与病害特征学习；
- valid/images：验证集，用于模型参数调优与训练效果评估；
test/images：测试集，用于模型最终泛化能力测试。
科学合理的数据划分能够有效降低模型过拟合风险，提高模型在真实果园环境中的应用效果。
四、检测类别说明
数据集共定义8类目标类别，包含7类典型病虫害和1类健康植株状态。
| 类别ID | 类别名称 |
|---|---|
| 0 | 炭疽病 |
| 1 | 细菌性溃疡病 |
| 2 | 缘象甲虫害 |
| 3 | 白粉病 |
| 4 | 根腐病 |
| 5 | 烟煤病 |
| 6 | 健康植株 |
| 7 | 梢枯病 |
炭疽病
果树常见真菌性病害，主要危害果实、枝梢和叶片，病斑呈褐色至黑色，严重时影响果实品质和产量。
细菌性溃疡病
典型细菌性病害，常造成枝条坏死、叶片病斑扩展及果实病变，对果树生长危害较大。
缘象甲虫害
果园常见害虫之一，主要啃食叶片和嫩枝，影响果树正常生长发育。
白粉病
叶片表面出现白色粉状霉层，严重时导致叶片卷曲、光合作用能力下降。
根腐病
主要危害果树根系，导致吸收能力下降，严重时可造成整株死亡。
烟煤病
叶片和枝条表面形成黑色煤污状覆盖层，影响植株正常生长。
健康植株
无明显病虫害症状的正常果树样本，用于模型健康状态识别与对照学习。
梢枯病
主要危害嫩梢和枝条，表现为枝梢逐渐干枯坏死，影响果树产量和树势。
五、数据集特点
1. 高质量人工标注
全部图像均经过人工精细标注与多轮质量审核：
- 病害区域边界框精准
- 类别标注统一规范
- 无明显错标漏标
- 数据质量稳定可靠
有效保障模型训练效果。
2. 丰富的病害类型覆盖
同时覆盖：
- 真菌性病害
- 细菌性病害
- 害虫侵染
- 健康植株状态
满足农业病虫害综合识别需求。
3. 真实果园场景采集
图像来源于真实果园环境，包含：
- 不同光照条件
- 不同生长阶段
- 多种背景环境
- 不同病害严重程度
显著增强模型泛化能力。
4. 标准YOLO格式
数据结构规范统一，能够直接用于主流目标检测框架训练，无需复杂预处理。
5. 适合农业 AI 研究
数据集兼顾科研价值与工程落地价值，可用于农业视觉 算法 研发与实际项目部署。
六、数据集核心优势
样本质量高
6000张高清图像均经过严格筛选与清洗，有效减少噪声样本干扰。
病害覆盖全面
涵盖果树生产过程中高频出现的主要病害与虫害类型。
泛化能力强
真实田间环境数据帮助模型适应复杂农业场景。
工程落地性高
可直接应用于农业无人机巡检、智能监测终端及果园数字化管理平台。
兼容主流算法
支持YOLO系列、SSD、Faster R-CNN、RT-DETR等多种检测框架。
七、适用场景
果园病虫害智能监测
实现果树病害自动识别、定位与统计分析。
农业无人机巡检
结合无人机航拍图像开展大范围病虫害快速检测。
智慧农业管理平台
辅助果园数字化管理和精准农业决策。
病害预警系统开发
实现病虫害早发现、早预警、早防治。
科研与教学
适用于：
- 农业人工智能研究
- 病虫害识别算法开发
- YOLO目标检测训练
- 毕业设计与课程实验
- 学术论文验证与算法对比
八、总结
本8类果树病害检测数据集（炭疽病/白粉病/根腐病等）共收录6000张高质量实景标注图像，覆盖果树生产过程中典型病害、虫害及健康植株状态。数据集具有标注精准、场景真实、类别丰富、格式规范等特点，可广泛应用于果园智能监测、病虫害自动识别、农业无人机巡检、智慧农业系统开发及目标检测算法研究等领域，是农业AI视觉方向极具应用价值与科研价值的优质训练数据资源。
